多模态后训练算法

职位描述

1、负责多模态大模型的后训练体系建设，包括监督微调（SFT）、强化学习（RLVR/RLHF/RLAIF）、同策略蒸馏（OPD）全流程研发；

2、设计和构建高质量多模态训练数据，包括通用感知、复杂推理、安全对齐数据等，提升模型在真实任务上的表现；

3、改进多模态模型后训练算法和训练范式，驱动多模态大模型的效率/效果持续迭代；

4、跟踪学术界和工业界最新后训练技术，快速验证并落地到 MiniCPM 系列模型中。

任职要求

1、熟悉多模态大模型架构，理解大模型预训练、后训练全流程；

2、有大模型后训练实战经验，熟悉 SFT、DPO/PPO/GRPO 等主流对齐算法；

3、有大模型训练实战经验，熟悉分布式训练框架（DeepSpeed/Megatron 等）；

4、具备良好的数据敏感度，能够设计和构建高质量训练数据；

5、有较强的论文阅读和复现能力，跟踪最新技术进展。

加分项

1、有多模态大模型后训练经验，熟悉 MiniCPM-V、Qwen-VL、LLaVA、InternVL 等开源项目

2、有 RLHF/RLVR 从数据构造和奖励构建到训练的完整落地经验

3、有开源社区贡献经验，对知名多模态项目有 PR 贡献

4、熟悉多模上下文管理，多模智能体 benchmark